AI-наставник: как настроить ChatGPT или Claude как персонального преподавателя

Почему наставнический режим не включается сам

В общем руководстве про обучение с нейросетями я уже разбирал, почему модель по умолчанию решает задачу за тебя, а не подводит к решению: её обучали быть максимально полезной прямо сейчас, а не полезной для твоего долгосрочного запоминания. Здесь расширенная версия того же промпта: варианты под разные предметы и что делать, когда модель всё равно срывается на готовые ответы.

Базовый шаблон один на все предметы, но живёт он ровно до первого нестандартного случая. Дальше начинаются вопросы, которые в общем руководстве не поместились: как вести наставнический диалог по языку, где нет единственно верного решения, как быть, если модель настойчиво доигрывает роль экзаменатора вместо помощника, и как понять, что промпт вообще перестал работать.

Наставнический режим под конкретный предмет

Один и тот же базовый промпт работает по-разному в математике, программировании и языках, потому что у этих предметов разная структура "правильного ответа".

Математика и точные науки. Здесь есть единственно верный результат, поэтому наставнический режим работает почти идеально из коробки: модель может честно сказать "неверно" и указать конкретный шаг, где именно ты ошибся. Единственная поправка к базовому промпту — явно попросить показывать промежуточные шаги отдельно, а не весь вывод целиком: иначе модель иногда выдаёт частичное решение, которое формально не является ответом, но фактически им является.

Программирование. Здесь наставнический режим сталкивается с искушением, которого нет в математике: попросить не код, а псевдокод или словесное описание алгоритма первым шагом, и только после того, как ты сам сформулировал подход, попросить проверить его на code review, а не написать реализацию с нуля. Так AI остаётся в роли ревьюера твоего мышления, а не автора решения.

Языки. Здесь у наставнического режима нет однозначного критерия правильности, и базовый промпт нуждается в отдельной поправке: попросить модель не просто исправлять ошибки, а объяснять, почему native speaker сказал бы иначе, с примером из естественной речи. Без этой поправки модель обычно просто переписывает фразу правильно, не объясняя, чем твой вариант звучал неестественно, и урок не закрепляется.

Что делать, когда модель всё равно даёт готовый ответ

Даже с рабочим промптом модель периодически соскальзывает обратно в режим "просто ответить": особенно на длинных диалогах, где системная инструкция постепенно теряет вес относительно накопившегося контекста разговора.

Три рабочих приёма, когда это происходит. Первый: прямо напомнить правило одной короткой фразой ("вернись к наставническому режиму, не давай готовый ответ") вместо того, чтобы переписывать весь промпт заново. Второй: начать новый диалог с тем же системным промптом, если напоминание перестало помогать, потому что длинный контекст иногда проще сбросить, чем чистить. Третий, самый надёжный: закрепить промпт как системное сообщение или отдельный проект, а не вставлять его вручную в начало каждого диалога, потому что именно ручной ввод чаще всего теряется на середине долгой сессии.

Ещё один рабочий приём, который стоит держать в запасе на случай, если все три предыдущих не сработали: явно попросить модель на старте диалога перечитать системный промпт и подтвердить, что она поняла ограничение, прежде чем отвечать на первый вопрос. Это звучит избыточно, но лишняя секунда на подтверждение обходится дешевле, чем десять минут диалога, в котором модель по инерции просто выдаёт готовые ответы, а ты замечаешь это только когда прогресс перестаёт ощущаться.

Отдельно стоит сказать про модели, которые слишком буквально следуют инструкции "не давай готовый ответ" и начинают задавать наводящие вопросы даже там, где ты просишь прямую справку ("какая команда останавливает контейнер в Docker" — это не повод для сократического диалога). Полезная оговорка в самом промпте: наставнический режим применяется к задачам, где есть чему поучиться, а не к фактическим справкам, у которых просто есть короткий верный ответ.

Личный пример: где я сам сломал себе промпт

Первую версию этого промпта я написал слишком строгой: попросил модель вообще никогда не давать прямой ответ, даже если я прошу явно. Через неделю я понял, что это неудобно ровно в тех случаях, когда мне действительно нужен был быстрый факт посреди работы над реальной задачей, а не учебный разбор с нуля. Модель честно следовала инструкции и вместо ответа на "как называется этот HTTP-статус" начинала спрашивать, что я уже знаю про коды ответов. Пришлось переписать правило так, чтобы прямой запрос явно перебивал наставнический режим, а не наоборот. С тех пор в промпте есть отдельный пункт именно про это исключение.

Когда наставнический режим не помогает

Если наставнический режим настроен верно, но прогресс всё равно ощущается заметно медленнее обычного, вероятная причина не в промпте, а в том, что ты застрял на конкретном уровне сложности или тренируешь не тот навык. Это отдельная диагностическая задача, и в материале про то, как справляться с плато в обучении разобрано, как отличить настоящее плато от промпта, который просто нужно донастроить, и что спросить у модели, чтобы получить конкретный ответ вместо общего "продолжай заниматься усерднее".

Наставнический режим — это инструмент для конкретной ситуации: когда у тебя есть тема и нужен собеседник, который подводит к ответу вместо того, чтобы его выдавать. Он не заменяет остальные техники из общего руководства, интервальное повторение, метод Фейнмана, работу с планом, а просто определяет, в каком режиме модель отвечает на каждый твой вопрос внутри этих техник.